百度热力图（Heatmap），是基于智能手机使用者访问百度产品（如搜索、地图、天气和音乐等）时所携带的位置信息，按照位置聚类，计算各个地区内聚类的人群密度和人流速度，综合计算出聚类地点的热度，计算结果用不同的颜色和亮度反映人流量的空间差异。
如何用最科学的方式，判断：
★ 识别工作聚集区、居住聚集区？
★ 一二线城市人气聚集度差异性？
★ 各城市是多中心还是单中心城市？
★ 哪里人气最旺？
★哪几个商场人气最旺？夜市最繁华的区域在哪里？
★早高峰、晚高峰集中在几点以及集中在哪个区域？
百度热力图或许能给出标准答案。我们将开启百度热力专题系列，本文先以无锡市为例，初探分析识别城市的工作及居住聚集地。未来将以杭州、成都等强二线城市为对象，继续探讨以上问题。
本文采集的数据为周一至周五5个工作日，从6：00-24:00每半小时为一时间段的人口日夜间分布数据。以9:00-11:30，14：00-17:00的通勤数据聚集区域作为城市工作聚集区，以22:00-次日7：00的通勤数据聚集区域作为城市居住区，来进行城市职住分析并制作人口潮汐图。
以下这张图为无锡市周一至周五白天和夜晚热力图取平均值合成，展现了无锡常住人口工作及居住分布情况。
工作、居住功能区域分布
左图为工作合成热力图，体现就业聚集区，可以发现颜色最深的便是中心城区，崇安、南长片区聚集度最高，此外颜色较深的还有胡埭、太湖广场、广益及旺庄片区。
左图为居住合成热力图，体现居住聚集区，可以发现颜色最深的为胡埭、梅村、市中心区域。
图3：工作、居住重叠合成热力图
两者结合的热力图中可以看出，无锡就业及居住区域明显分离，就业区多集中在市中心，居住区则围绕市区呈环形分布。
图4：人口数据峰值图
将日夜间人口数据虚化呈现在无锡边界图上，红色代表居住区，紫色代表就业区，可以更明显的发现：无锡市中心就业集聚，居住区围绕市区的西部、南部、东部环形分布。
图5：职住潮汐图
接下来再将就业人口减去居住人口的差值落位到地图上，进行区域功能划分（红色代表就业功能大于居住功能，绿色代表居住功能大于就业功能）。从图中可以看出：
市中心片区、太湖广场片区就业功能高于居住功能；
南部太湖新城、东南部梅村片区居住功能高于就业功能；
旺庄片区兼具就业及居住功能。
利用日夜间百度热力图，可以清晰识别就业与居住区域分布情况，后期我们将继续探讨百度热力图在城市商圈人气识别中的应用。
作者：朱洪涛
克而瑞研展经理 经济学硕士
数据是新科学，大数据能hold住一切答案。
商务联系
陆先生：15802582468
季先生：18652070530
万女士：15052113333
克而瑞：中国房地产大数据应用服务商，十余年淬炼，从行业数据到客户数据，实现了房地产大数据闭环构建，细分领域咨询服务，纵向产业链整合能手，服务于TOP100强中90%的房地产企业。作为中国房地产大数据应用服务商，克而瑞在大数据应用上，同时具备深度与广度的特色，远远走在行业前列。克而瑞成立于2006年，在房地产大数据领域深耕十载，建立起房地产数据库系统“CRIC”。依托强大的专业研究力量和咨询顾问团队为政府、企业和购房者提供房地产线上线下信息服务的全面解决方案。通过这两块业务，为克而瑞积累了大量让同行青睐的行业数据。同时克而瑞积极进行纵向产业链的延展整合：通过“筑想科技”搭建了中国建筑建材产业链SAAS服务，为房企设计部、采购部、设计机构及上下游企业提供专业服务；通过“中房研协”发布的中国地产企业测评榜，更是成为业内、社会公认的权威榜单。克而瑞也因为这两块业务，分别在建筑建材数据领域、企业数据领域，建立起了庞大数据资源，大数据的广度由此延展开来。
特别声明：以上内容(如有图片或视频亦包括在内)为自媒体平台“网易号”用户上传并发布，本平台仅提供信息存储服务。
Notice: The content above (including the pictures and videos if any) is uploaded and posted by a user of NetEase Hao, which is a social media platform and only provides information storage services.
